基于两列对Pandas DataFrame多列排序的实现方案

你的问题核心是需要将成对的列（A.1&A.2、B.1&B.2）作为整体，按每组的第一个元素（A.1、B.1）排序，同时保持每组内两列的对应关系——而df.apply(lambda x: x.sort_values())会对整行所有列单独排序，破坏了这种组内关联，所以达不到预期效果。

下面是两种可行的解决方案，从针对性处理到动态扩展都有覆盖：

方案一：针对固定列的直接处理 #

如果你的列结构固定（只有A和B两组），可以直接把每组打包成元组，排序后再展开：

1. 先构造示例数据：

import pandas as pd

df = pd.DataFrame({
    'ii': [1, 2],
    'A.1': ['Xy', 'Ab'],
    'A.2': ['foo', 'bar'],
    'B.1': ['Ly', 'Ko'],
    'B.2': ['bar', 'foo']
})

2. 定义每行的排序函数：

def sort_row(row):
    # 将A、B两组分别打包成(排序键, 对应值)的元组
    groups = [(row['A.1'], row['A.2']), (row['B.1'], row['B.2'])]
    # 按元组的第一个元素（即A.1/B.1的值）排序
    sorted_groups = sorted(groups, key=lambda x: x[0])
    # 展开排序后的元组，生成新列s1、s2、b1、b2
    return pd.Series(
        [sorted_groups[0][0], sorted_groups[0][1], sorted_groups[1][0], sorted_groups[1][1]],
        index=['s1', 's2', 'b1', 'b2']
    )

3. 应用函数并合并结果：

# 保留原ii列，合并排序后的结果
sorted_df = pd.concat([df['ii'], df.apply(sort_row, axis=1)], axis=1)

运行后得到的结果就是你想要的：

方案二：支持动态扩展的通用处理 #

如果后续可能增加更多类似的组（比如C.1&C.2、D.1&D.2），可以用动态方式提取组列，避免硬编码：

# 提取所有以.1结尾的排序键列
key_cols = [col for col in df.columns if col.endswith('.1')]
# 对应提取以.2结尾的值列
value_cols = [col.replace('.1', '.2') for col in key_cols]

def sort_row_dynamic(row):
    # 打包所有组为(键, 值)元组
    groups = list(zip(row[key_cols], row[value_cols]))
    # 按键排序
    sorted_groups = sorted(groups, key=lambda x: x[0])
    # 展开排序后的组，生成新列
    new_values = []
    for group in sorted_groups:
        new_values.extend(group)
    # 自定义新列名（这里沿用你需要的s1、s2、b1、b2，也可以改成更通用的命名）
    new_index = ['s1', 's2', 'b1', 'b2']
    return pd.Series(new_values, index=new_index)

# 生成结果
sorted_df_dynamic = pd.concat([df['ii'], df.apply(sort_row_dynamic, axis=1)], axis=1)

这个方法不管有多少组，都能自动识别并排序，灵活性更强。

内容的提问来源于stack exchange，提问作者Sos